Siemens Energy accélère le développement d'applications grâce à un graphe de connaissances de metaphactory

Siemens Energy supervise une flotte de milliers de grandes turbines à gaz dans plusieurs pays du monde. La gestion d'une flotte d'équipements aussi vaste dans différents environnements et contextes représentait un défi logistique majeur. La gestion des catalogues de pièces de rechange et des configurations spécifiques des clients pour chaque turbine a nécessité un traitement manuel et une main-d'œuvre considérables. Cela a également permis une meilleure optimisation des stocks côté client et des recommandations de pièces de rechange plus précises. L'entreprise avait besoin d'un moyen fiable de modéliser les données contextuelles et les hiérarchies complexes dans son Cloud Amazon Web Services (AWS) afin de gagner en visibilité et d'améliorer la prise de décisions concernant sa flotte de grandes turbines à gaz.

Siemens Energy a découvert que la technologie des graphes de connaissances était la solution idéale pour organiser, gérer et interroger les structures de données de ses machines sur l'ensemble de sa flotte. La structure hiérarchique de ces machines se prête à la modélisation de graphes de connaissances. Les graphes de connaissances, qui permettent de modéliser des données structurées et non structurées, sont créés par des experts en la matière et complétés à l'aide d'algorithmes de machine learning intelligents. Siemens Energy a choisi le graphe de connaissances metaphactory, produit par l'entreprise technologique allemande metaphacts. metaphactory propose la gestion des graphes de connaissances, le développement rapide d'applications et une interaction axée sur l'utilisateur final. Il aide les clients à acquérir et à intégrer des données, à créer du contenu, à visualiser et à explorer des données de manière interactive, ainsi qu'à relier et à réutiliser des sources de connaissances externes. metaphactory s'appuie sur le service de graphes de connaissances d'Amazon Neptune.

Siemens Energy souhaitait utiliser la technologie des graphes de connaissances pour concevoir et créer sa propre application, qui comporterait des requêtes et des formulaires personnalisés. metaphactory étant une plateforme à faible code permettant le développement rapide d'applications de graphes de connaissances, elle répondait parfaitement aux besoins de Siemens Energy. Selon Lutz Lukas, IT solution architect chez Siemens Energy, « Siemens Corporate Technology a travaillé avec metaphactory pendant plusieurs années sur un certain nombre d'initiatives. Dans des projets précédents, nous avons découvert que la metaphactory peut servir à créer une application personnalisée rapidement et à grande échelle. De plus, les options de visualisation et de requête fournies par metaphacts nous ont permis de valider rapidement et efficacement les données, de prototyper des interfaces utilisateur et d'explorer des graphiques ».

Siemens Energy a créé une partie essentielle de l'application Turbine Knowledge Graph en utilisant les fonctionnalités à faible code de metaphactory. Cela permet de visualiser les relations et les connexions complexes au sein de la flotte en question. Daniel Herzig-Sommer, chief operating officer de metaphacts, l'explique en ces termes : « Pensez au développement à faible code comme à la construction d'une maison modulaire : vous n'avez pas besoin de la construire brique par brique, mais vous pouvez utiliser des éléments prêts à l'emploi, tels que des murs avec fenêtres et portes intégrées. Il en va de même pour metaphactory. Vous utilisez nos composants prêts à l'emploi pour la visualisation de données graphiques, la recherche, l'édition ou tout ce dont vous avez besoin dans vos tâches de gestion des données. Ensuite, vous les configurez et vous les combinez comme vous le souhaitez, et vous obtenez une application en un rien de temps. » metaphactory y parvient grâce à des modèles personnalisables et à un ensemble élaboré de composants Web prêts à l'emploi qui peuvent être paramétrés pour répondre à l'apparence du client. Ces composants sont disponibles pour les tâches de gestion des données et pour visualiser de manière plus intuitive de grandes quantités de données et de relations structurées et non structurées. La plateforme fournit également un outil de contrôle de la qualité des données qui surveille les données et qui vérifie si elles sont cohérentes avec les modèles existants.

La superposition de la plateforme metaphactory sur le service de base de données orientée graphe d'Amazon Neptune a permis à Siemens Energy de créer un outil intelligent permettant de gérer plus efficacement les pièces de rechange. Le processus de déploiement de cette application de graphe de connaissances en production a été simple. Après une série d'appels hebdomadaires avec metaphacts, Siemens Energy a rapidement pu disposer d'un ensemble de visualisations contextuelles sur sa flotte mondiale de turbines. Grâce à l'interface utilisateur intuitive, les ingénieurs en turbines de Siemens Energy utilisent les visualisations au quotidien. La création de l'application aurait pris plus de temps sans metaphactory. Siemens Energy peut désormais utiliser les données du Resource Description Framework (RDF), les requêtes du protocole SPARQL et du langage de requête RDF (SPARQL), ainsi que des ontologies créées de manière fluide sur Amazon Neptune. Par conséquent, la société a constaté des gains d'efficacité opérationnelle rapides en découvrant des relations inédites entre le suivi et la surveillance de son référentiel mondial de turbines.

Comme le fait remarquer Paul Zolnowski, section lead, post documentation chez Siemens Energy : « Le principal avantage de metaphactory était que nous pouvions facilement visualiser nos données pendant le développement afin de recueillir les premiers commentaires de l'entreprise, ce qui nous a permis d'améliorer la qualité des données et de développer rapidement et de manière ciblée notre modèle de données et notre application. »

Grâce à la plateforme metaphactory accessible via AWS Marketplace, Siemens Energy a créé et déployé une application de graphe de connaissance personnalisée et axée sur les utilisateurs finaux pour mieux gérer sa flotte de grandes turbines en six mois seulement. C'était impressionnant du point de vue des opérations, caractérisé par des commentaires rapides et une adhésion au sein du secteur d'activité et par un cycle de développement, de test et de déploiement à un rythme soutenu. « Grâce à metaphactory, nous avons pu développer une application performante qui a permis à nos ingénieurs en turbines de prendre des décisions encore plus précises basées sur des données et d'économiser des efforts manuels », explique M. Zolnowski.

Siemens Energy a également économisé 1 500 heures de traitement manuel au cours de la première année. Auparavant, l'annotation des données nécessitait de comparer les informations entre les différentes configurations de machines de la flotte. Avec metaphactory, Siemens Energy a introduit un processus plus efficace pour organiser et créer des catalogues de pièces de rechange et gérer les configurations de sa flotte de grandes turbines à gaz. « Cela nous a finalement permis d'améliorer la qualité globale des recommandations que nous adressons à nos clients », déclare Lutz Lukas. « Nos ingénieurs en turbines sont en mesure d'agir plus efficacement. »

En s'appuyant sur le service de base de données orientée graphe à haute performance et à faible latence d'Amazon Neptune, Siemens Energy a également connecté d'autres services AWS Marketplace tels que le stockage, les équilibreurs de charge, les passerelles et la mise en réseau. Metaphactory étant une application activée par des conteneurs Docker, elle nécessitait également une intégration avec les modèles d'AMI AWS CloudFormation pour le déploiement. L'adoption des services AWS a doté Siemens Energy des performances et de l'agilité dont elle avait besoin pour commercialiser ses produits rapidement et à moindre coût, sans renoncer à ses rigoureuses normes de sécurité.

L'achat de metaphactory auprès d'AWS Marketplace a permis aux équipes DevOps de tester immédiatement de nouvelles fonctionnalités et d'exécuter metaphactory à la demande. Lutz Lukas fait remarquer : « Nous avons également beaucoup apprécié la flexibilité des tarifs et des licences proposée par AWS et metaphacts. Cela nous a permis de mettre en place un système à deux niveaux, l'un pour le développement et l'autre pour la production. La licence hors production était destinée au développement, aux tests de nouvelles fonctionnalités et aux commentaires des utilisateurs, tandis que nous avons réservé la licence de production aux déploiements de nouvelles versions de l'application à nos ingénieurs en turbines. De plus, nous avons apprécié la flexibilité qui nous permet de démarrer et d'arrêter des instances en fonction de la demande d'utilisation et des programmes quotidiens. »

Siemens Energy est satisfaite de l'efficacité du machine learning et de la technologie des graphes de connaissances pour développer rapidement des applications qui ajoutent de la valeur métier. Elle prévoit de continuer à développer et à améliorer son application de graphes de connaissances sur les turbines et voit le potentiel de l'application de graphes de connaissances à d'autres secteurs d'activité.